基于数据挖掘的上市公司财务危机预警研究

08-09 275

置身于股票市场的上市公司,其生产经营与外部经济环境格外息息相关,面对愈加复杂的生存环境,上市公司能否继续稳健运营,若遭遇危机,有关各方能否及时获取有关信息以便迅速做出反应,这是十分值得关注和研究的问题。本文以2007年被特别处理的32家上市公司和配对产生的32家正常经营的上市公司为训练样本,选择样本公司2003～2005年的25个财务指标为样本数据,通过数据挖掘技术的Logistic、神经网络和决策树三种预测方法构建了财务危机预警模型。结果发现神经网络模型效果最好,对训练样本的判别预测准确率很高。运用其对由2006年的财务数据构成的26家上市公司预测样本进行预测,预测情况与上市公司后一两年的实际情况非常相符,预测的综合准确率为88%。因此,本文所构建的财务危机预警模型具有一定的科学性和实用性,可以为上市公司、投资者和债权人采取有效措施防范风险提供重要的决策依据。